基于激光雷达测风数据的复杂地形下风力机尾流特性研究

季明彬 高晓霞

摘要 以张家口某处风电场为实验场地，采用两台多普勒激光雷达（Wind3D 6000和WindMast WP350）分别测量风力机的尾流和来流风速，对全尾流、半尾流和独立尾流3种工况进行研究。结果表明，3种工况下随着尾流发展尾流宽度均不断变大，而尾流深度和速度衰減则不断减小;全尾流和半尾流工况中，上游风力机的存在会增加下游风力机尾流宽度，且全尾流比半尾流的增加量大;全尾流和半尾流工况中，相较于上游风力机，下游风力机尾流深度和速度衰减均较小。

关键词风力机;激光雷达;尾流特性;尾流工况;风电场实验

我国风资源丰富地区很大一部分是山地或丘陵地形。近年来复杂地形风电场的数量迅速增长，而复杂地形一方面能够通过地形加速效应增加风速从而带来更多的发电量，另一方面地形造成的强风切变、流动分离、多变的大气环境也会影响风力发电机的安全高效运行（Astolfi et al.，2018）。

根据能量守恒原理，风力发电机从风中吸收能量，会导致风力机下游风速降低以及湍流强度的增加，这一现象被称作风力机尾流（田琳琳，2011）。下风向风机在上风向风机尾流效应的影响下，发电量减少，风机的载荷也随着尾流内部湍流强度的增加而指数增长。研究表明，尾流效应能够对下游风力机造成40%的功率亏损以及80%的疲劳载荷增加（Han et al.，2018;Meng et al.，2018）。

大气底层边界层对风力机尾流扰动产生影响。气流经过风力机之后速度减弱，在轮毂高度附近速度衰减最大，随着尾流延伸，尾流宽度逐渐增大而尾流逐渐恢复（黄思训等，2008;吴息等，2014;吴正人等，2018）。在风力机尾流流场中，大气边界层湍流强度将对尾流特性和尾流延伸变化及尾流恢复速度产生重要影响（祖繁等，2016;田伟和胡晖，2018）。丁辉等（2015）、孙玉婷等（2017）、刚蕾和杨祥生（2018）指出大气边界层的大气稳定状态，直接影响尾流恢复速度。大气状态越不稳定，湍流强度就越大，越有利于尾流恢复;反之大气状态越稳定，湍流强度就越小，越不利于尾流恢复。

许多学者对复杂地形下风力机尾流特性进行了研究。Prospathopoulos（2010）对复杂地形以及平坦地形的风电场进行数值模拟，发现平坦地形模拟结果与实际数据拟合较好，而复杂地形的模拟数据却偏差较大。Politis et al.（2012）对同样的复杂地形进行了数值模拟，他们的研究表明地形效应与尾流效应的影响并不能用简单的线性叠加来预测。Han et al.（2018）利用数值模拟和SCADA（数据采集与监视控制）数据对复杂地形下尾流的发展进行分析，研究表明在复杂地形下尾流的恢复速度更快。

除了地形加速与尾流耦合作用难以预测之外，复杂地形中多变的大气环境以及风力机的运行状态也对风电场的流场有很大的影响。在地形上方大气运动水平方向不呈现波动形态;地形复杂度越大，其对大气运动的影响也越大（王宇和黄思训，2018）。相对于平坦地形，复杂地形中的风速、风向、湍流强度等更为多变，这也就导致了尾流的动态变化。而风力机根据功率曲线及来流风调整运行状态（例如偏航角度、桨距角、转速等姿态的调整），这也会使风力机尾流特性发生改变。综上，这些因素都会使复杂地形中风电场的内部流动更加复杂。

近年来，激光雷达技术的不断提高为风电场测风实验提供了新方案（Wharton，2015;Torres et al.，2019），它可以对大气进行风场进行遥感测量，获得高分辨率、高精度的数据。本文采用两台激光雷达在张家口某风电场进行实验，并对实验数据进行尾流特性分析。分析了全尾流、半尾流和独立尾流三种工况下尾流宽度、尾流深度和速度衰减的变化，并对比了三种工况分别对尾流特性的影响。

1 实验概况

1.1 实验风场介绍

实验风场位于河北省坝上地区，该风场具有复杂的地形（图1），装有两种型号的风力机，其中风力机的参数如表1所示，装机总数为50台，风力机基本分布在风场的海拔较高处。红框中的区域为本文的研究区域，该区域具有较密的风机排布，经常会发生明显的尾流相互作用现象，并且由于处于复杂地形从而导致大气环境复杂多变，风力机尾流特性也与平坦地形有所区别。

1.2 实验仪器及布置

本次实验采用了两台多普勒激光测风雷达。其中Wind3D 6000（简称3D6000;图2a）是基于光学脉冲相干多普勒频移检测原理，能够实现对中下层对流层（包括大气边界层）三维区域的精准化风速测量;WindMast WP350，简称WP350;图2b）是一种“测风塔替代型”脉冲相干测风激光雷达，能够对激光雷达上方20～50 m 处的任意30个高度进行风速和风向的测量。

实验布置如图3所示，3D6000被安装在风向的下游来对三维区域内的流场进行扫描和测量。而WP350被安置在上游来测量来流风廓线和湍流强度，其中在2019年3月3日在高度33 m、102 m和150 m处测量的风玫瑰图见图4，这三个高度分别对应风力机轮毂高度上侧、轮毂高度下侧以及轮毂高度，从图中可以看出实验期间的主风向是西北偏北风。

2 实验测量结果与数据分析

在之前的研究（高晓霞，2019）中，利用了尾流宽度、深度以及速度衰减对尾流特性进行量化分析，其中尾流深度及宽度的定义如图5所示，图中为尾流下游1 D处（D指风轮直径）轮毂中心高度处的速度径向分布，其中尾流宽度为速度亏损区域的径向长度，尾流深度为速度亏损区域中最高和最低风速的差值。

2.1 全尾流工况

图6a为3D6000雷达之上65 m高度处风速分布，红色矩形表示研究全尾流工况尾流相互作用的区域，两台风力机A1-4（型号AW77-1500，轮毂高度71.5 m）的海拔为1 794.1 m，A9-2（型号UP77-1500，轮毂高度为65 m）的海拔为1 800.6 m，二者的轮毂高度恰好基本处于同一海拔，A9-2风力机完全处于A1-4的尾流之中。由于激光雷达测量严重依赖空气中的粒子，当空气中的气溶胶浓度过高或过低时，激光雷达则无法获得十分连续的测量数据，因此为了提取更多的实验数据来验证实验的准确性，图6、8、10中尾流下游不同距离处的速度分布并未按照整数取值。根据WP350测得的数据，此时的来流风速为7.92 m/s，湍流强度为5.20%。

图7为两台风力机尾流的尾流特性。两台风力机尾流宽度都随着沿下游距离的发展而增高，并且由于A9-2处于A1-4的下游，所以一开始就具有很高的尾流宽度，总体而言下游风力机的尾流宽度更大。两台风力机的尾流深度也都随着尾流发展而降低，并且由于上游尾流带来的湍流强度增高导致A9-2的尾流深度较小。两台风力机尾流的速度衰减情况也不相同，A9-2的速度衰减相比A1-4有明显的降低，这可能是由于在计算速度衰减时采用的来流风速都为自由来流风速，而实际上A9-2的来流风速较小，并且从图中可以看出A1-4的尾流速度衰减恢复要快于A9-2。同时也可能是风力机A9-2的尾流恢复较快，由于上游风力机尾流延伸，对下游风力机大气扰动，从而大气状态更不稳定，湍流强度变大。

2.2 半尾流工况

由图8a红色方框里的风速分布可以看出A1-4的部分尾流覆盖A9-2风力机，称为半尾流工况。根据WP350测得的数据，此时的来流风速为7.89 m/s，湍流强度为5.50%。

图9为A1-4和A9-2两台风力机尾流的尾流特性。由于A9-2处于A1-4的下游，所以A9-2比A1-4对应距离具有更高的尾流宽度，并且由于A1-4的半尾流影响以及复杂地形带来的多变的大气环境，使得A9-2风力机尾流宽度起伏不定，并且随着距离的增加，上游风力机尾流逐渐消散，而风力机A9-2自身尾流宽度随着尾流的发展而变大，这也是造成A9-2尾流宽度变化的原因。与全尾流工况尾流相比，尾流宽度曲线趋势相同，但大约窄0.5 D。两台风力机的尾流深度也都随着尾流发展而降低，并且由于上游尾流带来的湍流强度增高导致A9-2的尾流深度较小，并且尾流深度下降率小。两台风力机尾流的速度衰减整体上均随下游距离发展而下降，但A9-2的速度衰减相比A1-4较小。

2.3 独立尾流工况

图10a中风力机A4-5作为独立尾流工况。黑色区域中风力机的尾流在风力机A4-5上游3.5 D处的红色线处已逐渐恢复，所以可将A4-5作为独立尾流的风力机。

图11为风力机A4-5尾流的尾流特性。风力机尾流宽度沿下游距离发展而变大，尾流深度以及速度衰减都随着沿下游距离的增大而增大，并且尾流特性的变化没有全尾流和半尾流工况中的下游风力机的尾流特性波动幅度大，这说明尾流的相互作用增加下游风力机的尾流特性的复杂性，可能上游风力机的尾流扰动下游风力机大气稳定状态，增强湍流强度，使得尾流特性发生变化。

3 结论与讨论

采用两台激光雷达进行实验，通过分析实验数据，研究了全尾流、半尾流和独立尾流三种工况下尾流特性的变化，结论如下：

1）在风电场运行中，全尾流半尾流两种工况均增加下游风力机的尾流宽度，增加效果基本相同，但全尾流会比半尾流的增加量多大约0.5 D。

2）三种工况的尾流深度和速度衰减均随着尾流发展而不断下降，说明尾流深度和速度衰减均不会因工况的改变。

3）全尾流半尾流工况中下游风力机尾流深度比上游较小，都受到上游风力机湍流强度的增强。不同的为，三种工况尾流深度均随着尾流发展不断下降的过程中，半尾流工况比全尾流工况下降率小。

4）前两种工况中，下游风力机的速度衰减较上游风力机有明显的降低;半尾流工况使速度衰减下降趋势较全尾流工况不平缓，说明上游风力机尾流宽度不断变化下游风力机造成不同程度的冲击，从而大气状态更不稳定，并且会使下游风力机尾流特性变复杂。

5）利用激光雷达对风电场大气环境进行了测量，获得了足够多的可信数据，并对风电场尾流特性进行了分析，这表明激光雷达技术对大气环境测量有很大帮助。

本文的结果可以为复杂地形下风电场的风力机选址提供指导。风力机选址时应考虑在盛行风向上风力机之间尾流相互干扰，尽量避免全尾流和半尾流工况。进一步的工作将侧重于不同复杂度下尾流相互作用以及风力机性能。

参考文献（References）

Astolfi D，Castellani F，Terzi L，2018.A study of wind turbine wakes in complex terrain through RANS simulation and SCADA data[J].J Sol Energy Eng，140（3）.doi：10.1115/1.4039093.

丁輝，牛生杰，张泽娇，2015.利用微脉冲激光雷达探测大气混合层高度和气溶胶垂直结构的初步研究[J].大气科学学报，38（1）：85-92. Ding H，Niu S J，Zhang Z J，2015.Measurements of mixed layer height and aerosol vertical profiles using a micro pulse lidar[J].Trans Atmos Sci，38（1）：85-92.（in Chinese）.

高晓霞，王腾渊，赵飞，等，2019.基于激光雷达扫描数据的湍流强度影响下风力机尾流特性研究[J].太阳能学报，40（12）：3645-3650. Gao X X，Wang T Y，Zhao F，et al.，2019.Study on influence of turbulence intensity on wind turbine wake characteristics using lidars scanning data[J].Acta Energiae Solaris Sin，40（12）：3645-3650.（in Chinese）.

刚蕾，杨祥生，2018.大气稳定性对风力机尾流影响的数值模拟[J].兰州理工大学学报，44（6）：55-60. Gang L，Yang X S，2018.Numerical simulation of the influence of atmospheric stability on wind turbine wake[J].J Lanzhou Univ Technol，44（6）：55-60.（in Chinese）.

Han X X，Liu D Y，Xu C，et al.，2018.Atmospheric stability and topography effects on wind turbine performance and wake properties in complex terrain[J].Renew Energy，126：640-651.

黄思训，曹小群，闵锦忠，2008.变分方法反演双多普勒雷达低层二维风场[J].南京气象学院学报，31（4）：453-459. Huang S X，Cao X Q，Min J Z，2008.Retrieval of dual-Doppler radars 2-DLower level wind field using a variational method[J].J Nanjing Inst Meteor，31（4）：453-459.（in Chinese）.

Meng H，Lien F S，Li L，2018.Elastic actuator line modelling for wake-induced fatigue analysis of horizontal axis wind turbine blade[J].Renew Energy，116：423-437.

Politis E S，Prospathopoulos J，Cabezon D，et al.，2012.Modeling wake effects in large wind farms in complex terrain：the problem，the methods and the issues[J].Wind Energ，15（1）：161-182.

Prospathopouls J M，2010.CFD modelling of wind farms in flat and complex terrain[R]//European Wind Energy Conference.Warsaw：158-188.

孙玉婷，粘新悦，闵锦忠，等，2017.中国沿海风能分布特征及其影响因子的数值模拟[J].大气科学学报，40（6）：823-832. Sun Y T，Nian X Y，Min J Z，et al.，2017.Distribution characteristics of wind energy along the Coast of China and numerical simulation on impact factors[J].Trans Atmos Sci，40（6）：823-832.（in Chinese）.

田琳琳，赵宁，钟伟，等，2011.基于小生境遗传算法的风电场布局优化[J].南京航空航天大学学报，43（5）：650-654. Tian L L，Zhao N，Zhong W，et al.，2011.Placement optimization of wind farm based on niche genetic algorithm[J].J Nanjing Univ Aeronaut Astronaut，43（5）：650-654.（in Chinese）.

田伟，胡晖，2018.大气边界层对风力机载荷及尾流特性影响的研究[M]//第十届全国流体力学学术会议.杭州. Tian W，Hu H，2018.Research on the influence of atmospheric boundary layer on wind turbine load and wake characteristics[M]//The 10th National hydrodynamics academic conference.Hangzhou.（in Chinese）.

Torres G E，Aubrun S，Coupiac O，et al.，2019.Statistical characteristics of interacting wind turbine wakes from a 7-month LiDAR measurement campaign[J].Renew Energy，130：1-11.

王宇，黃思训，2018.几种特殊地形对气流运动影响的解析研究[J].大气科学学报，41（6）：743-752. Wang Y，Huang S X，2018.Analytical study of the influence of several special topographies on airflow movement[J].Trans Atmos Sci，41（6）：743-752.（in Chinese）.

Wharton S，Newman J F，Qualley G，et al.，2015.Measuring turbine inflow with vertically-profiling lidar in complex terrain[J].J Wind Eng Ind Aerodyn，142：217-231.

吴息，黄林宏，周海，等，2014.风电场风速数值预报的动态修订方法的探讨[J].大气科学学报，37（5）：665-670. Wu X，Huang L H，Zhou H，et al.，2014.Discussion on dynamic corrections of numerical prediction of wind velocity in wind farm[J].Trans Atmos Sci，37（5）：665-670.（in Chinese）.

吴正人，李非，路婷婷，等，2018.风力机尾流扰动对大气底层边界层的影响[J].中国电力，51（6）：144-149. Wu Z R，Li F，Lu T T，et al.，2018.Effect of wind turbine tail flow disturbance on the atmospheric bottom boundary layer[J].Electr Power，51（6）：144-149.（in Chinese）.

祖繁，樊曙先，王咏薇，等，2016.复杂下垫面风电场风速数值模拟及误差特征[J].大气科学学报，39（5）：672-682. Zu F，Fan S X，Wang Y W，et al.，2016.Numerical simulation and error characteristics for wind speed on a wind farm over a complex underlying surface[J].Trans Atmos Sci，39（5）：672-682.（in Chinese）.

Research on wake characteristics of wind turbine in complex terrain based on lidar data

JI Mingbin1，GAO Xiaoxia2

1Shenhua New Energy Co.，Ltd，Beijing 100011，China;

2Department of Power Engineering，North China Electric Power University，Baoding 071003，China

Taking a wind farm in Zhangjiakou as the experimental site，the Wind3D 6000 and WindMast WP350 Doppler lidars were used to measure the wake and incoming wind speeds of wind turbines respectively，and three working conditions of full wake，half wake and independent wake were studied.Results show that the wake width increases with the development of the wake，while the depth and velocity decay of the wake decreases with the development of the wake under the three working conditions.Under the full wake and half wake conditions，the presence of the upstream wind turbine will increase the wake width of the downstream wind turbine，and the increase of the full wake is greater than that of the half wake.Under the full wake and half wake conditions，compared with the upstream wind turbine，the wake depth and velocity attenuation of the downstream wind turbine are smaller.

wind turbine;lidar;wake characteristics;wake condition;wind farm experiment

doi：10.13878/j.cnki.dqkxxb.20191015007

（責任编辑：张福颖）